Robô Humanoide Unitree G1 Domina Habilidades de Tênis Através de Aprendizado com Dados Limitados

Em 2026, o campo da robótica atingiu um marco significativo no treinamento de sistemas humanoides para tarefas dinâmicas de alta complexidade. Pesquisadores renomados da Universidade de Tsinghua, da Universidade de Pequim e da empresa Galbot uniram forças para apresentar o projeto LATENT. Esta iniciativa inovadora permitiu que o robô Unitree G1 desenvolvesse habilidades sofisticadas de tênis utilizando apenas cinco horas de dados de movimentos, frequentemente incompletos, capturados de jogadores amadores.

Durante os testes de desempenho, o Unitree G1 exibiu uma precisão impressionante, alcançando uma taxa de sucesso de aproximadamente 90,9% na devolução de bolas com golpes de "forehand". O robô enfrentou oponentes humanos que lançavam bolas a velocidades superiores a 54 km/h. Este êxito técnico é sustentado pela implementação do chamado "Espaço de Ação Latente Corrigível" (Correctable Latent Action Space), uma tecnologia que estabiliza os movimentos durante as fases críticas de preparação e execução dos golpes. A grande importância desta descoberta reside na capacidade de eliminar a necessidade de conjuntos de dados de captura de movimento vastos e de altíssima qualidade, o que deve acelerar drasticamente a integração de humanoides em ambientes dinâmicos do cotidiano.

A eficiência do framework LATENT permitiu que os desenvolvedores reduzissem a área necessária para a captura de movimentos em mais de 17 vezes em comparação com uma quadra de tênis oficial. O treinamento concentrou-se em competências fundamentais, como os golpes de forehand e backhand, além de deslocamentos laterais e passos cruzados. Em ambientes de simulação, o robô atingiu uma eficácia de 96% nos golpes de direita, enquanto em condições reais, foi capaz de rebater bolas que atingiam velocidades de pico superiores a 15 m/s. Diferente dos métodos tradicionais que exigem capturas perfeitas e dispendiosas, o sistema LATENT utiliza fragmentos de movimentos "imperfeitos" como uma base estrutural para refinar ações ágeis e naturais.

Apesar do avanço, a divulgação técnica apontou certas limitações que definem o estágio atual da tecnologia. O Unitree G1, operando sob o framework LATENT, ainda atua de forma puramente reativa, devolvendo a bola sem uma estratégia de posicionamento tático contra jogadores humanos. Além disso, o rastreamento da trajetória da bola durante os ensaios dependeu de sistemas externos de captura de movimento óptico, em vez de utilizar exclusivamente o sistema de visão interna do robô. Os desenvolvedores planejam expandir este modelo para outras atividades físicas intensas, como futebol ou parkour, sinalizando que a tomada de decisão estratégica autônoma permanece como o próximo grande desafio a ser superado.

No cenário global de 2026, a Unitree, sediada em Hangzhou, planeja expandir sua presença de mercado com o envio de até 20.000 robôs humanoides, um salto considerável em relação às 5.500 unidades distribuídas em 2025. Esta metodologia de treinamento com dados limitados oferece um caminho escalável para dotar máquinas de habilidades físicas complexas. O modelo Unitree G1, que serve de base para este sistema, possui entre 23 e 43 graus de liberdade (DoF) e é comercializado com preços variando de 13.500 a 43.000 dólares americanos, dependendo da configuração.

Essa evolução está inserida em um contexto mais amplo de demonstrações da Unitree em 2026, que incluem robôs realizando danças e movimentos de artes marciais, reforçando a transição da robótica dos laboratórios para utilidades reais. Enquanto isso, a Galbot já está aplicando avanços similares no setor de varejo, operando mais de 40 lojas autônomas espalhadas por toda a China. O sucesso do projeto LATENT não apenas valida a viabilidade técnica de treinar humanoides com eficiência, mas também solidifica a base para uma nova era de automação física acessível e funcional.